数学建模入门与案例精讲_王振友，陈学松，徐圣兵主编_9787301343661

数学建模是一个典型的多学科交叉领域，涉及数学知识、数据库技术、机器学习、统计学、神经网络、模式识别、知识库、高性能计算等诸多学科领域，并在工业、通信、财经、医疗卫生、生物工程、科学等众多行业有着广泛的应用。为适应该课程的需要，大多数学院在开设数学建模这门课程的同时，不得不想方设法为本科生补充统计学、人工智能、数据库、机器学习等相关课程的知识，并且还设置各种案例来组织教学。对本科生而言，数学建模课程教学主要存在以下问题：1．教学内容广，理论深2．案例教学不能体现实际应用的全过程国内外方法的注意力大都集中在数学知识上教学组织，较少关注基于背景分析在课堂上展开的教学方法。时下流行MOOCs这类方法尚未形成稳定的、易于操作的、可供一般教师使用的实践模式。我们在应用统计实践教学基地的数学建模教学中，积累了丰富的项目实施和实践教学经验，从而形成了本教材的以建模活动背景分析为主、项目引导的编写思路、特色，以及社会效益：1.在内容编排上，侧重以案例背景分析为主线组织编排教材2.教材强调以学生为本，使学生在快乐中学习、在快乐中创造。3.明确教师在教学中的地位和作用。要尊重学生的创造性和个性，实施多元开放评价促进每个学生信息素养的提高。4.前期编写的教材《Matlab数据分析与挖掘实战》已赢读者们的高度好评5.本教材也是广东省本科院校教育教学改革项目《面向问题的团队协同学习的教学改革研究》、广东工业大学本科教育改革项目《网络资源驱动型的数据挖掘课程教改探讨》的相关教学研究成果体现。

目录第一部分数学建模导论第1章数学建模入门须知 §1.1从数学应用题到数学建模 §1.2数学建模的目标 §1.3数学模型的因素 §1.4数学建模的规则 §1.5数学模型的验证 §1.6数学模型的预测第二部分数学建模必备知识简要第2章信息检索 §2.1检索工具 §2.2信息检索的方法 §2.3信息检索的规则第3章数学建模技术 §3.1蒙特卡洛算法 §3.2数据处理算法 §3.3线性规划算法 §3.4图论算法 §3.5博弈算法 §3.6神经网络算法 §3.7模糊评判算法 §3.8数值解法 §3.9数值分析算法 §3.10数字图像处理算法第4章数学建模工具软件 §4.1 MATLAB入门 §4.2 Python入门第5章数学建模论文写作 §5.1标题 §5.2摘要及关键词 §5.3问题背景与重述 §5.4模型假设与符号说明 §5.5问题分析 §5.6模型建立与求解 §5.7模型检验、灵敏度或误差分析 §5.8模型讨论与评价 §5.9模型改进与推广 §5.10参考文献 §5.11附录第6章数学建模论文排版 §6.1使用排版缘由和步骤及Word简介 §6.2Word排版 §6.3排版建议和技巧 §6.4其他常用排版软件第三部分数学建模案例分析第7章数学建模案例精讲 §7.1椅子在不平的地面上能放稳吗 §7.2微信公众号影响力分析 §7.3基于环保监测数据的城市污染排放模式分析 §7.4基于深度学习与图像处理的零件识别第四部分数学建模题集第8章数学建模考核任务课题 §8.1关于世博会影响的数学建模 §8.2 2012年云南干旱损失评估 §8.3微博或微信等传媒的影响力评估 §8.4余额宝或财富通网络金融影响力评估 §8.5十字路口风险研究 §8.6全面放开二胎对旅游冲击效应研究 §8.7春节空城现象建模评估与效应研究 §8.8能否把雅鲁藏布江的水调到新疆 §8.9国庆出游怎样加油更省钱第9章数学建模历年赛题汇集 §9.1全国大学生数学建模竞赛介绍 §9.2全国大学生数学建模竞赛历年赛题

你还可能感兴趣

我要评论